CN109002825A - 基于视频分析的手部包扎绷带检测方法 - Google Patents
基于视频分析的手部包扎绷带检测方法 Download PDFInfo
- Publication number
- CN109002825A CN109002825A CN201810889059.9A CN201810889059A CN109002825A CN 109002825 A CN109002825 A CN 109002825A CN 201810889059 A CN201810889059 A CN 201810889059A CN 109002825 A CN109002825 A CN 109002825A
- Authority
- CN
- China
- Prior art keywords
- image
- bandage
- candidate
- area
- region image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/107—Static hand or arm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的基于视频分析的手部包扎绷带检测方法,涉及图像处理技术领域,通过提取运动区域图像的肤色,生成候选肤色区域图像,在候选肤色区域图像中,对人手位置进行检测,生成人手区域图像,提取人手区域图像中的白色区域,生成候选绷带区域图像,判断候选绷带区域图像是否为运动区域图像,若是,则对候选绷带区域图像进行第二次标注,判断候选绷带区域图像是否存在人脸区域图像,若否,则对候选绷带区域图像进行第三次标注并确定候选绷带区域图像为绷带区域图像,并输出绷带区域图像,提高了餐饮企业在食品卫生安全方面的保证效果,解决了现有技术中不能对手部包扎绷带检测,餐饮企业在食品卫生安全方面的保证效果较低的缺陷。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于视频分析的手部包扎绷带检测方法。
背景技术
餐饮企业的厨房卫生状况,一直饱受消费者诟病,许多宾馆饭店大厅、包间搞得富丽堂皇,可厨房却往往惨不忍睹。明厨亮灶是国家食品药品监督管理局推行的一项利民工程,即让消费者坐在饭店大厅或包间,就可以通过透明玻璃或大屏幕将后厨的一举一动尽收眼底。此举既是督促餐饮单位加强自律,也是鼓励他律,使餐饮单位全面接受消费者监督,主动保障饮食安全。其中,厨师和工作人员的手部卫生检验是保证食品卫生安全的关键流程,特别厨师手部受伤之后是否进行包扎过再工作,是明厨亮灶工程关注的重要环节。
随着视频分析以及人工智能技术的发展与进步,越来越多的人类行为和事件可以通过视频监控实时进行检测与识别,比如人脸识别已成功用于打卡考勤与支付验证,人车属性分类已成功应用于周界防范领域等。视频分析检测手部是否包扎绷带,其中人手检测是核心,由于人手是一种非刚性的人体器官,基于传统图像分割匹配的方式虽然可以检测特定场景下的人手特征,一旦外部场景或手部姿态发生变化,就会出现大量误检与漏检;基于视频分析的方法,既通过机器学习方法关注单帧图像在空域上的全局与局部特征,同时也关注该特征在实时视频中的时域变化特征,如运动信息,保证人手特征时空一致,提升了检测的准确率与鲁棒性,在人手检测准确的基础上,对手部上的部件提取则,比如戒指、指甲油、绷带等,则相对简单。
目前国内外用于人手检测的专利很多,但这些专利大都采用肤色分割、机器学习与3D建模的方式,其中,肤色分割的方式实时性好但对光线和场景变化敏感容易导致误报,基于机器学习或3D建模的方式效果相对好但实时性差导致用户体验不好。虽然用于人手检测的专利很多,但用于手部包扎绷带检测的专利几乎没有。
发明内容
为解决现有技术的不足,本发明实施例提供了一种基于视频分析的手部包扎绷带检测方法,包括:
利用单高斯模型,从视频文件中实时提取当前的前景图像,对提取的前景图像进行标记,生成运动区域图像;
利用连通域分割算法,提取所述运动区域图像的肤色,对所述肤色进行标记,生成候选肤色区域图像,其中,所述候选肤色区域图像包括人脸区域图像及人手区域图像;
利用机器学习算法,对各个候选肤色区域图像进行人手检测,获取人手在所述候选肤色区域图像中的位置,对所述位置进行标记,生成人手区域图像;
提取所述人手区域图像中的白色区域,对所述白色区域进行标记,生成候选绷带区域图像;
判断所述候选绷带区域图像是否为运动区域图像,若是,则对所述候选绷带区域图像进行第二次标注;
判断所述候选绷带区域图像是否存在人脸区域图像,若否,则对所述候选绷带区域图像进行第三次标注并确定所述候选绷带区域图像为绷带区域图像,并输出所述绷带区域图像。
可选地,利用连通域分割算法,提取所述运动区域图像的肤色,对所述肤色进行标记,生成候选肤色区域图像包括:
将所述运动区域图像从RGB空间变换至YCbCr空间,分别对Y、Cb、Cr三个通道做肤色阈值化得到肤色二值化区域,根据连通域算法,对所述肤色二值化区域进行分割,得到候选肤色区域图像。
可选地,提取所述人手区域图像中的白色区域,对所述白色区域进行标记,生成候选绷带区域图像包括:
将所述人手区域图像由RGB空间变换至YCbCr空间,分别对Y、Cb、Cr三个通道做白色阈值化处理,得到绷带二值化区域,候选绷带区域图像。
本发明实施例提供的基于视频分析的手部包扎绷带检测方法所产生的有益效果如下:
实现了对手部包扎绷带的检测,提高了餐饮企业在食品卫生安全方面的保证。
附图说明
图1为本发明实施例提供的基于视频分析的手部包扎绷带检测方法流程示意图;
图2a为本发明实施例提供的基于视频分析的手部包扎绷带检测方法的前景图像显示效果示意图;
图2b为本发明实施例提供的基于视频分析的手部包扎绷带检测方法的背景图像显示效果示意图;
图3a为本发明实施例提供的基于视频分析的手部包扎绷带检测方法的肤色区域图像显示效果示意图;
图3b为本发明实施例提供的基于视频分析的手部包扎绷带检测方法的人手区域图像显示效果示意图;
图4a为本发明实施例提供的基于视频分析的手部包扎绷带检测方法的人脸区域图像显示效果示意图;
图4b为本发明实施例提供的基于视频分析的手部包扎绷带检测方法的绷带区域图像显示效果示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
参照图1,本发明实施例提供的基于视频分析的手部包扎绷带检测方法包括以下步骤:
101,利用单高斯模型,从视频文件中实时提取当前的前景图像,对提取的前景图像进行标记,生成运动区域图像。
在一个示例中,使用视频文件的前50帧图像作为初始背景图像,然后每间隔5帧对初始背景图像进行更新,最后通过计算当前帧与背景图像之间的像素差,像素差超过指定阈值的背景图像即为前景图像,否则为背景图像。
在一个示例中,前景图像及背景图像的显示效果示意图分别见图2a及图2b。
102,利用连通域分割算法,提取所述运动区域图像的肤色,对所述肤色进行标记,生成候选肤色区域图像,其中,所述候选肤色区域图像包括人脸区域图像及人手区域图像。
在一个示例中,可以通过将候选肤色区域圈在红色矩形框中,实现对各个肤色的标记,其中,肤色区域图像及人手区域图像的显示效果示意图分别见图3a及图3b。
103,利用机器学习算法,对各个候选肤色区域图像进行人手检测,获取人手在所述候选肤色区域图像中的位置,对所述位置进行标记,生成人手区域图像。
在一个示例中,可以通过将人手所处的位置圈在红色矩形框中,实现对各个肤色的标记。
104,提取所述人手区域图像中的白色区域,对所述白色区域进行标记,生成候选绷带区域图像。
在一个示例中,可以通过将白色区域圈在红色矩形框中,实现对白色区域的标记。
105,判断所述候选绷带区域图像是否为运动区域图像,若是,则对所述候选绷带区域图像进行第二次标注。
在一个示例中,第二次标注的过程可以为:当确定候选绷带区域图像为运动区域图像时,标记该绷带区域为状态true,否则为false。
106,判断所述候选绷带区域图像是否存在人脸区域图像,若否,则对所述候选绷带区域图像进行第三次标注并确定所述候选绷带区域图像为绷带区域图像,并输出所述绷带区域图像。
在一个示例中,第三次标注的过程可以为:当确定候选绷带区域图像存在人脸区域图像时,保留该候选绷带区域图像状态true,否则将为该候选绷带区域图像状态变更为false,人脸区域图像及绷带区域图像的显示效果示意图分别见图3a及图3b。
优选地,利用连通域分割算法,提取所述运动区域图像的肤色,对所述肤色进行标记,生成候选肤色区域图像包括:
将所述运动区域图像从RGB空间变换至YCbCr空间,分别对Y、Cb、Cr三个通道做肤色阈值化得到肤色二值化区域,根据连通域算法,对所述肤色二值化区域进行分割,得到候选肤色区域图像。
优选地,提取所述人手区域图像中的白色区域,对所述白色区域进行标记,生成候选绷带区域图像包括:
将所述人手区域图像由RGB空间变换至YCbCr空间,分别对Y、Cb、Cr三个通道做白色阈值化处理,得到绷带二值化区域,候选绷带区域图像。
本发明实施例提供的基于视频分析的手部包扎绷带检测方法,通过提取运动区域图像的肤色,生成候选肤色区域图像,在候选肤色区域图像中,对人手位置进行检测,生成人手区域图像,提取人手区域图像中的白色区域,生成候选绷带区域图像,判断候选绷带区域图像是否为运动区域图像,若是,则对候选绷带区域图像进行第二次标注,判断候选绷带区域图像是否存在人脸区域图像,若否,则对候选绷带区域图像进行第三次标注并确定候选绷带区域图像为绷带区域图像,并输出绷带区域图像,实现了对手部包扎绷带的检测,提高了餐饮企业在食品卫生安全方面的保证。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外,存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (3)
1.一种基于视频分析的手部包扎绷带检测方法,其特征在于,包括:
利用单高斯模型,从视频文件中实时提取当前的前景图像,对提取的前景图像进行标记,生成运动区域图像;
利用连通域分割算法,提取所述运动区域图像的肤色,对所述肤色进行标记,生成候选肤色区域图像,其中,所述候选肤色区域图像包括人脸区域图像及人手区域图像;
利用机器学习算法,对各个候选肤色区域图像进行人手检测,获取人手在所述候选肤色区域图像中的位置,对所述位置进行标记,生成人手区域图像;
提取所述人手区域图像中的白色区域,对所述白色区域进行标记,生成候选绷带区域图像;
判断所述候选绷带区域图像是否为运动区域图像,若是,则对所述候选绷带区域图像进行第二次标注;
判断所述候选绷带区域图像是否存在人脸区域图像,若否,则对所述候选绷带区域图像进行第三次标注并确定所述候选绷带区域图像为绷带区域图像,并输出所述绷带区域图像。
2.根据权利要求1所述的方法,其特征在于,利用连通域分割算法,提取所述运动区域图像的肤色,对所述肤色进行标记,生成候选肤色区域图像包括:
将所述运动区域图像从RGB空间变换至YCbCr空间,分别对Y、Cb、Cr三个通道做肤色阈值化得到肤色二值化区域,根据连通域算法,对所述肤色二值化区域进行分割,得到候选肤色区域图像。
3.根据权利要求1所述的方法,其特征在于,提取所述人手区域图像中的白色区域,对所述白色区域进行标记,生成候选绷带区域图像包括:
将所述人手区域图像由RGB空间变换至YCbCr空间,分别对Y、Cb、Cr三个通道做白色阈值化处理,得到绷带二值化区域,候选绷带区域图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810889059.9A CN109002825A (zh) | 2018-08-07 | 2018-08-07 | 基于视频分析的手部包扎绷带检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810889059.9A CN109002825A (zh) | 2018-08-07 | 2018-08-07 | 基于视频分析的手部包扎绷带检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109002825A true CN109002825A (zh) | 2018-12-14 |
Family
ID=64595988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810889059.9A Pending CN109002825A (zh) | 2018-08-07 | 2018-08-07 | 基于视频分析的手部包扎绷带检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109002825A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956117A (zh) * | 2019-11-26 | 2020-04-03 | 上海秒针网络科技有限公司 | 卫生检测方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1941850A (zh) * | 2005-09-29 | 2007-04-04 | 中国科学院自动化研究所 | 多摄像机下基于主轴匹配的行人跟踪方法 |
CN103456012A (zh) * | 2013-09-03 | 2013-12-18 | 北京大学深圳研究生院 | 基于最大稳定曲率区域的视觉人手检测跟踪方法及系统 |
US20160048727A1 (en) * | 2014-08-15 | 2016-02-18 | Konica Minolta Laboratory U.S.A., Inc. | Method and system for recognizing an object |
CN105893926A (zh) * | 2015-12-15 | 2016-08-24 | 乐视致新电子科技(天津)有限公司 | 手识别方法、系统及装置 |
CN105893925A (zh) * | 2015-12-01 | 2016-08-24 | 乐视致新电子科技(天津)有限公司 | 基于肤色的人手检测方法及装置 |
CN107016323A (zh) * | 2016-01-28 | 2017-08-04 | 厦门中控生物识别信息技术有限公司 | 一种手掌感兴趣区域的定位方法及装置 |
-
2018
- 2018-08-07 CN CN201810889059.9A patent/CN109002825A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1941850A (zh) * | 2005-09-29 | 2007-04-04 | 中国科学院自动化研究所 | 多摄像机下基于主轴匹配的行人跟踪方法 |
CN103456012A (zh) * | 2013-09-03 | 2013-12-18 | 北京大学深圳研究生院 | 基于最大稳定曲率区域的视觉人手检测跟踪方法及系统 |
US20160048727A1 (en) * | 2014-08-15 | 2016-02-18 | Konica Minolta Laboratory U.S.A., Inc. | Method and system for recognizing an object |
CN105893925A (zh) * | 2015-12-01 | 2016-08-24 | 乐视致新电子科技(天津)有限公司 | 基于肤色的人手检测方法及装置 |
CN105893926A (zh) * | 2015-12-15 | 2016-08-24 | 乐视致新电子科技(天津)有限公司 | 手识别方法、系统及装置 |
CN107016323A (zh) * | 2016-01-28 | 2017-08-04 | 厦门中控生物识别信息技术有限公司 | 一种手掌感兴趣区域的定位方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956117A (zh) * | 2019-11-26 | 2020-04-03 | 上海秒针网络科技有限公司 | 卫生检测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10713492B2 (en) | Processing an image to identify a metric associated with the image and/or to determine a value for the metric | |
US10049308B1 (en) | Synthesizing training data | |
US20120309520A1 (en) | Generation of avatar reflecting player appearance | |
CN106295460B (zh) | 人的检测方法及设备 | |
CN108229559B (zh) | 服饰检测方法、装置、电子设备、程序和介质 | |
CN109784281A (zh) | 基于人脸特征的产品推荐方法、装置及计算机设备 | |
Asteriadis et al. | Facial feature detection using distance vector fields | |
Qu et al. | A pedestrian detection method based on yolov3 model and image enhanced by retinex | |
US20130259374A1 (en) | Image segmentation | |
US8515127B2 (en) | Multispectral detection of personal attributes for video surveillance | |
Hu et al. | Clothing segmentation using foreground and background estimation based on the constrained Delaunay triangulation | |
CN104852892B (zh) | 一种新型物联网网站系统的自主登录方法 | |
CN109754009A (zh) | 物品识别方法、装置、售货系统和存储介质 | |
CN109887234A (zh) | 一种防儿童走失方法、装置、电子设备及存储介质 | |
CN110222728A (zh) | 物品鉴别模型的训练方法、系统及物品鉴别方法、设备 | |
CN105678735A (zh) | 一种用于雾天图像的目标显著性检测方法 | |
CN110264523A (zh) | 一种确定测试图像中的目标图像的位置信息的方法与设备 | |
Jampour et al. | Face inpainting based on high-level facial attributes | |
Shanmugavadivu et al. | Rapid face detection and annotation with loosely face geometry | |
Zhao et al. | Men also do laundry: Multi-attribute bias amplification | |
US20110142336A1 (en) | Similar shader search apparatus and method using image feature extraction | |
CN109002825A (zh) | 基于视频分析的手部包扎绷带检测方法 | |
CN109120994A (zh) | 一种视频文件自动剪辑方法、装置及计算机可读介质 | |
Das et al. | Human face detection in color images using HSV color histogram and WLD | |
CN108682021A (zh) | 快速手部跟踪方法、装置、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181214 |
|
RJ01 | Rejection of invention patent application after publication |